Trajectory привлекла $45 млн., чтобы сделать обучение моделей ИИ доступным для нетехнических специалистов

Независимо от того, разработаны ли они OpenAI или Anthropic либо созданы на основе альтернатив с открытым исходным кодом, современные модели ИИ имеют существенное ограничение: они не учатся на своих ошибках без дополнительного обучения.

Компании, адаптирующие эти модели для специализированных областей, таких как право и финансы, обычно обходят это ограничение с помощью дообучения универсальных моделей. Однако для этого часто приходится нанимать собственные исследовательские команды или обращаться к дорогостоящим консультантам, которых обычно называют инженерами выездного внедрения (FDE).

Trajectory — стартап, основанный около года назад тремя однокурсниками Стэнфордского университета, работавшими в Google DeepMind и Apple, — хочет автоматизировать этот процесс, позволяя моделям ИИ учиться на обратной связи и непрерывно совершенствоваться в выполнении специализированных задач.

Компания, в которой работают 18 человек, объявила о привлечении $45 млн в раунде Series A при оценке в $300 млн. Раунд возглавила Sequoia, в нем также приняли участие Nvidia, Bessemer Venture Partners и Bain Capital Ventures.

Сооснователь Trajectory Ронак Малде сравнил базовые модели с очень умным студентом, получившим степень PhD и постоянно начинающим новую работу. «Но экономика ценит человека, который проработал на одной работе 30 лет», — сказал он TechCrunch.

Стартап стремится решить эту проблему с помощью подхода, известного как непрерывное обучение. Компании, использующие Trajectory, могут начать с модели ИИ с открытым исходным кодом и подключить платформу к своим приложениям, чтобы она собирала отзывы о работе модели. Затем Trajectory использует эту информацию для повторного обучения модели, помогая ей со временем совершенствоваться в выполнении специализированных задач.

По словам Малде, с помощью Trajectory юристы, врачи и другие специалисты могут практически автоматически самостоятельно совершенствовать модели. Эта возможность может сделать внедрение специализированного ИИ более быстрым и дешевым.

Такие компании, как Harvey и Rogo, уже используют платформу Trajectory для постобучения моделей с открытым исходным кодом, помогая им работать больше как опытные юристы или финансовые аналитики за счет обучения на предыдущих задачах — например, проверке определенного типа юридического договора или оценке компании по конкретной методологии. Среди других клиентов Trajectory — Decagon, Mercor и Nvidia. Теперь стартап делает свою платформу постобучения общедоступной.

Люди, использующие Trajectory, определяют, «как выглядит хороший результат для их организации, и могут превратить это в улучшения своей модели», — сказал Малде.

Подход Trajectory к непрерывному обучению имеет некоторые сходства с рекурсивным самосовершенствованием (RSI) — идеей о том, что системы ИИ могут улучшать собственные возможности. Однако сооснователь компании Майкл Элабд утверждает, что участие людей в процессе обучения делает подход Trajectory более безопасным, поскольку автономное самосовершенствование может привести к непреднамеренным и даже опасным последствиям.

Trajectory — не единственный стартап, пытающийся автоматизировать постобучение. Компания считает Thinking Machines Lab, основанную бывшим техническим директором OpenAI Мирой Мурати и создавшую платформу дообучения Tinker, своим прямым конкурентом, наряду с Applied Compute, оцененной в $3,25 млрд в прошлом месяце, и Prime Intellect, которая помогает компаниям создавать и обучать собственных ИИ-агентов.

Малде считает, что главное преимущество стартапа — его команда. Он был одним из нескольких исследователей, нанятых Google DeepMind после приобретения Windsurf. Элабд также работал в DeepMind, а третий сооснователь Trajectory, Арджун Каранам, ранее занимался генеративными базовыми моделями в Apple. Кроме того, стартап привлек исследователей и продуктовых дизайнеров из OpenAI, Stripe и Netflix.

Почему дизайн так важен для компании, сосредоточенной на обучении ИИ? Каранам говорит, что стартап разработал интерфейс, который делает постобучение более доступным для его нетехнических клиентов.